黄 越，吴亚婷，张西平

1 研究对象及方法

1.1 研究对象

以中国男篮及其竞争对手(英国队、巴西队、澳大利亚队、俄罗斯队、西班牙队)共30名前锋球员在伦敦奥运会上所表现出的攻防能力为研究对象。

1.2 研究方法

1.2.1 文献资料法 查阅了大量有关本届奥运会竞争对手及中国男篮的资料;利用网络查阅第30届伦敦奥林匹克运动会男子篮球的相关指标数据。所有资料源于第30届伦敦奥运会官方网站、中国篮协官方网站、第30届伦敦奥运会搜狐体育官方网站。

1.2.2 录像观察法 反复观看中国男篮与竞争对手在本届奥运会上的所有比赛录像，通过慢放、快进、回放、定格等手段，对场上比赛情况以及相关技战术统计指标进行收集;并对中国篮协官方网站、第30届伦敦奥运会搜狐体育官方网站、第30届伦敦奥运会官方网站所提供的各项技术统计数据进行核实，确保本研究数据的全面、准确。

1.2.3 数理统计法 将30名球员的原始数据初步分类，并在Excel 2003软件上进行汇总，将汇总后的数据录入SPSS 17.0 For Windows软件进行综合分析，包括因子特征值(Total)、特征值占方差百分数的累加值(Cumulative%)、KMO检验和Bartlett球度检验、最大方差旋转法(Varimax)、回归法计算因子得分(Regression)等[2，3]。

1.2.4 对比分析法 对第30届伦敦奥运会中国男篮和竞争对手前锋位置运动员攻防能力技术数据、指标进行归纳、分析，得出相关结论。

1.2.5 因子分析法 “因子分析法”也叫降维分析，是一种多元统计分析方法，可用于处理分析多指标性问题。在比赛成绩、身体素质、心理品质、生理机能、运动负荷等方面运用较多。体育运动中存在很多因素对其有影响，众多因素会使研究变得混乱，而因子分析法可以将体育中出现的错综复杂的关系变量综合成数量较少的几个因子间的相互联系，使研究问题简明、清晰[4]。

2 研究结果与分析

将30名球员的原始数据初步分类、汇总，并进行指标适宜分析检验。KMO统计量为0.59，剔除无关指标，选取16项技术统计指标(得分、二分投篮次数、二分投中次数、二分命中率、三分投篮次数、三分投中次数、三分命中率、罚篮次数、罚中次数、罚篮命中率、篮板、助攻、盖帽、失误、抢断、犯规)来衡量前锋队员的攻防能力(见表1)。

表1 前锋队员场均技术统计数据一览表

2.1 前锋队员攻防能力分析检验

将中国男篮及其竞争对手共30名前锋队员的16项指标数据进行分析，运用KMO和Bartlett进行前锋球员攻防能力分析适用性检验，见表2。

表2 前锋队员攻防能力分析检验

由Bartlett检验可以得出，Sig=0＜0.05拒绝16项指标相互独立的假设，也就是说所有30名前锋球员的16项指标间具有较强的相关性，具有统计意义。KMO统计量为0.59，表明16项指标间的偏相关性较强，也就是说各指标间信息的重叠程度较高。因此，30名前锋队员的16项技术统计指标适合作因子分析，进而来分析其攻防能力。

2.2 前锋队员攻防能力因子分析提取结果

输入30名前锋球员的16项技术统计指标数据，经最大方差法(Varimax)旋转以后，按其特征值大于1.00的原则，提取四个公因子，累积贡献率为78.45%，见表 3。

表3 前锋各指标因子分析提取结果

第一个公因子的方差占所有因子方差的 34.104%，说明30名前锋队员的16项技术统计指标中34.104%已涵盖初始的指标数据信息，也就是说，已有34.104%的信息可以解释30名前锋攻守能力;提取的四个公因子方差累计贡献率达到78.45%，表明提取的四个公因子基本上能反映前锋队员攻防能力的总体水平。

由于初始指标与所提取的四个公因子之间的关系不是很密切，不能清晰地反映16项指标与各公因子具体的载荷值大小，即密切程度。为了使各指标因子载荷矩阵中的系数向0～1之间分化，使各指标在所提取的四个公因子上的载荷值趋于明显，对各公因子有合理的解释，对初始因子载荷矩阵进行方差最大正交旋转，旋转后的指标因子载荷矩阵见表4。

表4 前锋公因子载荷值一览表

由表4统计结果得知:第一个公因子相关性最大，最为密切的统计指标是罚中次数、罚球次数、罚球命中率、得分。各指标的具体载荷值分别为0.964、0.946、0.840、0.792。罚球是在非身体对抗的情况下完成得分的一种篮球技术动作，应具备扎实而稳定的投篮技术。虽没有强烈的身体对抗，但是在实战比赛当中会受到来自自身身体状况、裁判、球迷、场地灯光等各种客观因素的影响，良好的心理因素和稳定的情绪格外重要[5]。罚中次数、罚球次数、罚球命中率、得分的高低是对前锋队员罚球稳定程度最好的考量，因此，将其命名为“稳定性因子”。进一步观察第一个公因子指标发现，罚中次数、罚球次数的载荷值较其他几个都高。前锋球员大多数情况下是在靠近球篮的位置接球发动进攻，而对手的防守也是相当的严密，为了尽可能的得分与遏制得分，双方球员展开了近似肉搏的对抗。这一过程中往往会造成对方球员的犯规，犯规的次数以及不同的类型将直接导致罚球，罚球次数及其罚中次数也就自然升高了[6]。

第二个公因子在篮板、盖帽、犯规、抢断指标上相关性大，且关系最为密切。各指标间的具体载荷值分别为 0.741、0.735、0.676、0.638。以上各指标均体现为前锋队员在防守端的能力，因此，将其命名为“防守性因子”。观察其中的四个指标发现，篮板球的载荷值最大。前场篮板球成为发动二次进攻及重新组织进攻的重要依据和保障;后场篮板球是由守转攻的枢纽，是发动快攻的重要环节之一[7]。

第三个公因子相关性最大，最为密切的统计指标是三分投篮次数、三分投中次数、二分投中次数、二分投篮次数，具体载荷值分别为 0.951、0.871、0.686、0.534。以上各指标均体现为前锋队员在二分球、三分球投中的次数上，因此，将其命名为“试投因子”。进一步观察其中的四个指标不难发现，三分投篮次数、三分投中次数的载荷值较其他两个要高，说明前锋球员场均有不同次数的三分球入账。三分球本身最大的特点是上分最快，可有效地打击对手的势头及其对手球员的士气。随着现代竞技篮球的发展以及球员位置模糊化，前锋球员被赋予更为全面的技术，三分远投理当其中[8]。

第四个公因子在失误、助攻、三分命中率、二分命中率指标上相关性大，且关系最为密切，具体载荷值分别为 0.488、0.830、0.684、0.905。以上各指标均体现为前锋队员在二分球、三分球的命中率上，因此，将其命名为“命中率因子”。进一步观察其中的四个指标不难发现，二分命中率和助攻的载荷值较其他两个最大，说明它们两者之间存在显著性相关。二分命中率除了球员接球进攻及篮板球二次进攻以外，大多数情况下均来自队友的助攻[9]。助攻次数的增加必然会伴随着命中率的提升;倘若助攻次数下降或不成功，将会导致失误的增多。这一点与四个指标在第四个公因子下的载荷值大小是一致的，即二分命中率﹥助攻﹥三分命中率﹥失误。

2.3 前锋队员攻防能力综合分析

2.3.1 前锋队员各指标得分分析 根据表5所输出的数据得知，16项统计指标的得分与前锋公因子载荷值一览表中各指标与公因子密切关系保持一致。“稳定性因子”包括罚中次数、罚球次数、罚球命中率、得分，各指标在其公因子上的得分分别为0.277、0.220、0.189、0.127。罚中次数、罚球次数、罚球命中率之间不存在显著性差异，表明本届奥运会比赛的激烈程度。高强度的对抗和攻击性的防守导致罚球次数的增多。前锋球员技术动作稳定的发挥及良好的心理素质促使罚球命中率的攀升[10]。

表5 前锋队员各指标得分一览表

“防守性因子”包括篮板、盖帽、犯规、抢断，各指标在其公因子上的得分分别为 0.126、0.207、0.469、0.339。以上四个指标间存在显著性差异，说明前锋球员的防守能力并非十全十美，各有所偏重。犯规、抢断两个指标间密切程度高且不存在差异。

“试投因子”包括三分投篮次数、三分投中次数、二分投中次数、二分投篮次数，各指标在其公因子上的得分分别为 0.350、0.284、0.072、0.132。三分投篮次数、三分投中次数之间相关性强且得分也较其他指标高，说明前锋球员均具备三分远投的技术和能力。高大而灵活的前锋球员频频命中三分已不足为奇[11]。

“命中率因子”包括失误、助攻、三分命中率、二分命中率，各指标在其公因子上的得分分别为0.135、0.234、0.272、0.687。二分命中率得分最高且与其他三个指标间存在显著性差异。二分命中率的高低反映前锋球员对球队的主要贡献的大小。

2.3.2 前锋队员公因子得分及综合得分分析(见表6)

表6 前锋队员公因子得分及综合得分一览表

从表6公因子得分及综合得分输出结果来看: “稳定性因子”得分排名前五的球员是中国的易建联、俄罗斯的基里连科、西班牙的保罗加索尔、英国的邦苏和罗尔邓，各球员因子得分分别为2.457、2.382、2.099、1.204、0.902;周鹏、朱芳雨、孙悦、易立、丁锦辉排名分别是第 9、11、13、15、18 名，因子得分分别为 0.317、0.293、－ 0.102、－ 0.168、－0.535。结合技术统计数据我们发现，前五名球员间不存在显著性差异，场均得分均在12分以上，场均罚球命中率均为60%以上。我国球员易建联“稳定性因子”得分位列首位，其他几位球员与世界优秀前锋球员间的差距非常明显。场均得分平均在4分左右，与前五位场均得分12分以上相差甚远;罚球次数平均在1.7个左右，与前五位5.5个之间存在一定的差距，易立、丁锦辉的罚球命中率只在20%左右。说明虽然我们有易建联这样的优秀球员，但是其他球员对球队的贡献有待提升。

“防守性因子”得分排名前五的球员是英国的罗尔邓、澳大利亚的英格尔斯、巴西的希拉里奥、俄罗斯的卡亚帕、英国的克拉卡，各球员因子得分分别为 2.843、1.826、1.652、1.590、0.942;朱芳雨、易立、孙悦、易建联、丁锦辉、周鹏分别排名第14、18、22、24、25、28 名，因子得分分别为 －0.142、－0.307、－0.445、－0.834、－0.906、－1.146。从最终的因子得分和排名上看出我国前锋球员和世界优秀球员在防守方面存在显著性差距。参照场均技术统计数据不难发现前五名球员在篮板球方面存在差异，但不是很显著。易建联篮板球数场均10.2个，位于所有30名球员之首;除易建联以外，其他球员场均篮板1.7个，场均抢断0.6个，与前五名场均篮板数4个，场均抢断1.4个之间存在明显的差距。

“试投因子”得分排名前五的球员是澳大利亚的尼尔森、英国的邦苏、巴西的瓦莱乔、英国的弗里兰德、英国的罗尔邓，各球员因子得分分别为1.679、1.626、1.206、1.182、1.177;孙悦、丁锦辉、易建联、周鹏、易立、朱芳雨排名分别是第12、17、21、25、26、28 名，因子得分分别为 0.324、－0.216、－0.447、－1.017、－1.062、－1.569。从因子得分及其排名上发现我国前锋球员和世界优秀球员在投篮出手次数及命中次数上存在着巨大差距。场均技术统计数据，前五名球员的表现较为一致，因子得分间不存在显著性差异。

“命中率因子”得分排名前五的球员是英国的克拉卡、俄罗斯的安特诺夫、英国的弗里兰德、西班牙的保罗加索尔、英国的萨利文，各球员因子得分分别为 1.915、1.370、1.239、0.962、0.955;周鹏、易立、易建联、朱芳雨、孙悦、丁锦辉排名分别是第10、14、16、26、29、30 名，因子得分分别为 0.579、0.255、0.019、－1.262、－1.757、－2.013。结合技术统计数据，前五名球员在二分命中率上不存在显著性差异，场均二分命中率为59.8%，场均三分命中率为31.9%;易建联、孙悦、周鹏等几位球员场均二分命中率为 39.1%，场均三分命中率为14.9%，与世界优秀前锋球员存在很大的差距。

2.3.3 前锋球员综合评价 16项技术统计指标不同程度地归属于四个公因子，从不同的方面反映出30名前锋球员的攻防能力。攻防能力综合得分排名前五位的球员分别是英国的罗尔邓、俄罗斯的基里连科、西班牙的保罗加索尔、澳大利亚的英格尔斯、中国的易建联，综合得分分别是0.91、0.87、0.80、0.61、0.60;周鹏、易立、孙悦、朱芳雨、丁锦辉排名分别是第 17、19、21、22、29 名，综合能力得分为 －0.22、－0.24、－0.25、－0.27、－0.60。通过数据及其比赛录像，综合得分及排名基本上反映了本届奥运会前锋球员攻防能力的总体水平。易建联是我国六名前锋球员中表现最为突出的，其他中国球员攻防能力与世界优秀前锋存在显著性差距。公因子得分及其综合得分来看，周鹏在“稳定性因子”和“命中率因子”得分较高，“防守性因子”及“试投因子”得分较低;易立在“稳定性因子”和“命中率因子”得分较高，“防守性因子”及“试投因子”得分较低，但是易立“防守性因子”得分较周鹏高，盖帽和抢断表现突出;孙悦在“稳定性因子”“防守性因子”及“试投因子”得分相对较高，“命中率因子”得分较低，其防守能力相对较强，主要表现在盖帽及其抢断上;朱芳雨在“稳定性因子”得分较高，其余三个公因子得分较低，得分虽低，但三个因子之间保持相对均衡;丁锦辉四个公因子得分均较低，作为新人，他第一次代表国家队参加奥运会，他的表现和进步是有目共睹的，提升空间很大。

3 结论与建议

3.1 结论

(1)前锋球员的攻防能力表现在四个公因子，即“稳定性因子”“防守性因子”“试投因子”“命中率因子”。提取的四个公因子，累积贡献率为78.45%。“稳定性因子”和“防守性因子”累计贡献率高达55.59%，应视为衡量前锋球员攻防能力的主要因子。

(2)世界优秀前锋球员攻防能力趋于全面、平衡，中国队前锋队员与世界优秀前锋队员之间的差距显著。我国球员易建联攻防能力全面，综合排名第五，具备世界一流前锋的能力;周鹏、易立、孙悦、朱芳雨、丁锦辉攻防能力出现不同程度的失衡。

3.2 建议

(1)“稳定性因子”和“试投因子”得分我国球员并不低。非对抗下投篮技术及扎实的基本功，摆脱防守创造出手机会，都为今后能力的提升打下了基础。

(2)我国前锋球员要坚持以高大、灵活、斗志顽强的特点为基础，保持和强化我们投篮好、稳定性较高的优势，重点解决在大强度、强干扰、强对抗情况下球员的对抗能力和攻击能力;强化球员体能储备、专项技战术素质训练、意志品质的磨练、积累丰富的大赛经验;借鉴高水平联赛科学、先进的训练手段及方法，全面提升球员的攻防能力。

[1]毕仲春，宫鲁鸣，叶庆辉，单曙光.世界篮球技战术发展新趋势——以第16届世界男篮锦标赛为例[J].北京体育大学学报，2011，34(4):107 ～114.

[2]张文彤，董伟.SPSS统计分析高级教程[M].北京:高等教育出版社，2004.

[3]马国东，沈姝媛.体育统计与SPSS应用[M].长春:吉林大学出版社，2010.

[4]贾丽艳，杜强.SPSS统计分析标准教程[M].北京:人民邮电出版社，2010.

[5]黄松峰.伦敦奥运会中国男子篮球队突破第8名的对策研究[J].中国体育科技，2011，47(1):40 ～43.

[6]张松奎.对近两届奥运会中国男篮与竞赛对手攻防能力的对比研究[J].北京体育大学学报，2009，32(6):115 ～117.

[7]周永伟.中国男篮与世界强队攻防能力的对比研究[J].宁夏大学学报(自然科学版)，2010，31(4):393 ～395.

[8]韩伟，王雷.NBA“位置模糊”球员与传统位置球员攻防能力的对比分析[J].西南师范大学学报(自然科学版)，2010，35(2):153～158.

[9]贾志强，王建军，陈涛.第25届亚洲篮球锦标赛中国男篮与对手攻防能力差异研究[J].北京体育大学学报，2010，33(2):102～105.

[10]刘晓华，高瞻.对第29届奥运会中国男篮攻防能力的分析[J].山东体育学院学报，2009，25(3):72 ～73.

[11]何斌，董满秀.从第29届奥运会看世界男子篮球运动的发展趋势[J].安徽师范大学学报(自然科学版)，2009，32(3):285～288.